update readme
This commit is contained in:
LiangSong
parent
73a81a4205
commit
1976aea5f9
176
README.md
Normal file
176
README.md
Normal file
|
|
@ -0,0 +1,176 @@
|
|||
<!--
|
||||
* @Author: LiangSong(sl12160010@gmail.com)
|
||||
* @Date: 2023-03-10 21:18:35
|
||||
* @LastEditors: LiangSong(sl12160010@gmail.com)
|
||||
* @LastEditTime: 2023-03-27 02:12:37
|
||||
* @FilePath: /Open-Llama/README.md
|
||||
* @Description:
|
||||
*
|
||||
* Copyright (c) 2023 by LiangSong(sl12160010@gmail.com), All Rights Reserved.
|
||||
-->
|
||||
# Open-Llama
|
||||
|
||||
Open-Llama是一个开源项目，提供了一整套用于构建大型语言模型的训练流程，从数据集准备到分词、预训练、指令调优，以及强化学习技术 RLHF。
|
||||
|
||||
## **特性**
|
||||
|
||||
### 易用性
|
||||
|
||||
我们认为易用性是构建大型语言模型时最重要的特性之一。为了使 Open-LLAMA 更加易于使用，我们特别注重了以下几点：
|
||||
|
||||
- **最简实现**：我们采用了最简单的实现方式，降低了入门的门槛，让初学者也能轻松上手。
|
||||
- **流程完整**：我们发布了从数据集构建到训练的完整代码，使得构建一个大语言模型的每一步流程都清晰可见。
|
||||
|
||||
### 高性能
|
||||
|
||||
由于训练大语言模型的成本高昂，因此在构建大型语言模型时，高性能也是非常重要的。为了实现高性能的训练，我们发布使用了以下技术：
|
||||
|
||||
- **Fused CUDA kernel**：使用xformers中提供的 fused CUDA kernel 可以将多个操作融合在一起，减少了 GPU 和 CPU 之间的数据传输，从而提高了训练效率。
|
||||
- **并行化训练**：我们使用Accelerate库支持在多个 GPU 上进行并行化训练，以加快训练速度。
|
||||
|
||||
### 通用性
|
||||
|
||||
在训练语言模型时，我们希望能够构建一个通用的模型，可以适用于不同的语言和不同的领域。为了实现这一点，我们采用了以下策略：
|
||||
|
||||
- **多语言支持**：我们支持多种语言的语料库，包括英语、中文、日语等多种语言，让用户可以根据自己的需求进行选择。
|
||||
- **领域通用性**：我们希望模型不仅能在日常问题上能产生帮助，同时希望在专业领域如科学、法律等也能帮助人类。
|
||||
|
||||
## **要求**
|
||||
|
||||
- Python 3.7 或更高版本
|
||||
- PyTorch 1.11 或更高版本
|
||||
- Transformers 库
|
||||
- Accelerate库
|
||||
- CUDA 11.1 或更高版本（用于 GPU 加速，基于CUDA11.7进行测试）
|
||||
|
||||
## **入门指南**
|
||||
### 安装
|
||||
|
||||
使用下面的命令安装相关依赖
|
||||
|
||||
```bash
|
||||
pip install -r requirements.txt
|
||||
```
|
||||
|
||||
### 数据集准备
|
||||
|
||||
目前给出了智源开源的悟道数据集和EleutherAI开源的the pile数据集。数据集下载和处理代码在data目录下。运行下面的命令进行数据下载并进行分片
|
||||
```bash
|
||||
bash data/download_the_pile.sh
|
||||
bash data/download_wudao.sh
|
||||
```
|
||||
数据将按照每个文件最大16384行存储为小文件，便于后续使用多进程训练时进行读取。存储格式为jsonl.zst，使用zstd进行压缩，最终数据大小为519.5G，合计16466个文件。
|
||||
|
||||
其中the pile数据集包含210607728行json line，悟道数据集包含59132213行json line。
|
||||
|
||||
具体数据格式如下
|
||||
```json
|
||||
WuDao
|
||||
{'id': 1, 'dataType': '百科', 'title': 'some title', 'content': 'some content'}
|
||||
|
||||
The Pile
|
||||
{'text': 'some text', 'meta': {'pile_set_name': 'Github'}}
|
||||
```
|
||||
|
||||
### 数据读取
|
||||
数据读取相关代码可见dataset目录，其中包含根据下载的数据集使用SentencePiece训练分词模型，以及根据分词器构建DataLoader。
|
||||
|
||||
训练分词器使用如下命令
|
||||
```bash
|
||||
python3 dataset/train_tokenizer.py
|
||||
```
|
||||
|
||||
使用如下命令查看DataLoader输出的结果
|
||||
```bash
|
||||
python3 dataset/pretrain_dataset.py
|
||||
```
|
||||
|
||||
### 模型结构
|
||||
我们基于Transformers库中的Llama参考论文原文中的2.4 Efficient implementation一节进行了修改，
|
||||
同时还参考了一些其他论文引入了一些优化。具体来说，我们引入了由META开源的xformers库中的memory_efficient_attention操作来进行
|
||||
Self Attention的计算，这对于性能有明显的提升，提升大约30%。
|
||||
具体可以参见[modeling_llama.py](https://github.com/Bayes-Song/transformers/blob/main/src/transformers/models/llama/modeling_llama.py#L240)
|
||||
|
||||
同时我们还参考了[Bloom](https://huggingface.co/bigscience/bloom)，对于Token Embedding引入了Stable Embedding以更好的稳定训练。
|
||||
|
||||
最后我们参考[PALM](https://arxiv.org/abs/2204.02311)，使用了Shared Input-Output Embeddings。
|
||||
|
||||
### 预训练
|
||||
我们基于Accelerate库进行多GPU并行训练，启动命令如下
|
||||
```bash
|
||||
accelerate launch --config_file configs/default_config.yaml pretrain_llama.py
|
||||
```
|
||||
我们使用Wandb进行训练的可视化，需要自行修改环境变量 WANDB_API_KEY 。
|
||||
|
||||
其中我们使用了DeepSpeed stage1以减少显存占用。accelerate相关配置可见configs/default_config.yaml。
|
||||
|
||||
训练相关超参数可见configs/train_config.py，目前我们使用10W词表的7B Llama模型进行训练，具体配置如下
|
||||
|
||||
| max_length | batch_size | learning_rate | weight_decay | params | dimension | n heads | n layer | vocab_size |
|
||||
|------------|------------------|---------------|--------------|--------|-----------|---------|---------|------------|
|
||||
| 1024 | 2 | 2e-4 | 1e-1 | 6.88B | 4096 | 32 | 32 | 100000 |
|
||||
|
||||
```
|
||||
=========================================================================================================
|
||||
Layer (type:depth-idx) Output Shape Param #
|
||||
=========================================================================================================
|
||||
LlamaForCausalLM [1, 64, 32, 128] --
|
||||
├─LlamaModel: 1-1 [1, 64, 32, 128] --
|
||||
│ └─Embedding: 2-1 [1, 64, 4096] 409,600,000
|
||||
│ └─LayerNorm: 2-2 [1, 64, 4096] 8,192
|
||||
│ └─ModuleList: 2-3 -- --
|
||||
│ │ └─LlamaDecoderLayer: x32 [1, 64, 4096] 202,383,360 x 32
|
||||
│ └─LlamaRMSNorm: 2-4 [1, 64, 4096] 4,096
|
||||
=========================================================================================================
|
||||
Total params: 6,885,879,808
|
||||
Trainable params: 6,885,879,808
|
||||
Non-trainable params: 0
|
||||
Total mult-adds (G): 6.89
|
||||
```
|
||||
### Instruction-Tuning
|
||||
|
||||
### RLHF
|
||||
|
||||
## 性能对比
|
||||
|
||||
### 训练框架
|
||||
在训练框架方面我们测试了HuggingFace开源的Accelerate库和HPC-AI开源的ColossalAI，我们测试在打满显卡时性能差异较小。因此最终选择了实现相对简单的Accelerate库作为训练框架
|
||||
|
||||
测试数据如下，测试过程中使用的模型结构为
|
||||
| Model | n gpu | n layer | n heads | hidden size | vocab size | seq length |
|
||||
|-------|-------|---------|---------|-------------|------------|------------|
|
||||
| GPT2 | 2 | 6 | heads | 4096 | 250100 | 1024 |
|
||||
|
||||
测试结果如下，可以看到当打满时速度和显存相差不大
|
||||
| | HuggingFace | HuggingFace | ColossalAI | ColossalAI | ColossalAI |
|
||||
|-----------------|-----------------------------------|------------------------------------|--------------------------------------------------------|--------------------------------------------------------|------------------------------------|
|
||||
| config | without activation ckpt, bs2 | without activation ckpt, max_bs=12 | with activation ckpt, bs2 | without activation ckpt, bs2 | without activation ckpt, max_bs=10 |
|
||||
| second pre step | 0.336, fw=0.033, bw=0.3, opt=5e-6 | 1.25 | 0.347 | 0.308, fw=0.067, bw=0.152, opt=0.088 | 1.055 |
|
||||
| gpu memory | nvidia-smi 45445 | | fw+bw+opt=21053.63+22064.12+17987.52, nvidia-smi 40961 | fw+bw+opt=24684.74+21087.13+17987.52, nvidia-smi 46821 | oom after 10 steps, 疑似有内存泄漏 |
|
||||
|
||||
### 性能优化
|
||||
在最早版本中我们使用DeepSpeed stage2 + Transformers中的原生Llama实现进行训练但是速度和论文中所说的相差较大，因此后续我们进行了一系列的优化，我们将每一步的性能提升列在下面可供参考。
|
||||
|
||||
论文中提到对于6.7B模型使用了1T token进行训练，最终的gpu时为82432，因此可以计算出他的训练速度大致为3370 token/s/gpu。
|
||||
当使用下面的优化后速度开源基本和论文中速度一致，使用20x8 A100-80G进行测试。预计加入更多融合算子开源取得更好的性能。
|
||||
|
||||
| | V1 | V2 |
|
||||
|---------------------|--------------|-----------------------|
|
||||
| Model | Transformers | Transformers+xformers |
|
||||
| Optimizer | Pytorch Adam | Fused Adam |
|
||||
| DeepSpeed | stage2 | stage1 |
|
||||
| Grad Accumulation | 4 | 12 |
|
||||
| Return Padding Mask | yes | no |
|
||||
| Speed token/s/gpu | 1378 | 3290 |
|
||||
|
||||
## 后续计划
|
||||
|
||||
1. 加入更多训练监控，比如训练数据类别的分布等，加入继续训练相关代码
|
||||
2. 开源预训练好的多语言Llama 6.9B的checkpoint
|
||||
3. 实现Instruction-tuning代码，并开源相关checkpoint
|
||||
4. 使用Gradio搭建在线Demo
|
||||
5. 使用Triton加入更多高性能算子，进一步提升性能
|
||||
6. 加入根据Common Crawl构建预训练数据集相关代码，并开源相关数据集
|
||||
7. 加入多模态训练代码
|
||||
|
||||
## 引用
|
||||
|
|
@ -1,3 +1,13 @@
|
|||
'''
|
||||
Author: LiangSong(sl12160010@gmail.com)
|
||||
Date: 2023-03-18 00:06:41
|
||||
LastEditors: LiangSong(sl12160010@gmail.com)
|
||||
LastEditTime: 2023-03-27 01:09:20
|
||||
FilePath: /Open-Llama/dataset/validation.py
|
||||
Description:
|
||||
|
||||
Copyright (c) 2023 by LiangSong(sl12160010@gmail.com), All Rights Reserved.
|
||||
'''
|
||||
val_set = [
|
||||
'白日依山尽，',
|
||||
'君不见，黄河之水天上来，奔流到海不复回。君不见，',
|
||||
|
|
@ -7,7 +17,7 @@ val_set = [
|
|||
'这是一个斗气决定一切的大陆。在加玛帝国乌坦城，有个天才少年萧炎打破了所有族人的修炼纪录，一时间万人敬仰，众人艳羡。但不知为何，',
|
||||
'人工智能技术在图像识别领域取得了很大的进展，然而在复杂场景下仍然存在一些问题，例如',
|
||||
'In recent years, there has been increasing interest in the use of machine learning to',
|
||||
'已知三个数分别为1, 2, 3，求它们的平均数是',
|
||||
'已知三个数分别为1, 2, 3，则它们的平均数是',
|
||||
'小明总共有15个苹果，他分别给了3个人两个苹果，然后自己又吃了一个苹果，那么它还剩几个苹果？',
|
||||
'根据牛顿第二定律，物体的加速度等于',
|
||||
'碳纳米管是一种新型的材料，具有非常独特的电学和光学性质。在过去的几年中，我们对碳纳',
|
||||
|
|
|
|||
|
|
@ -2,7 +2,7 @@
|
|||
Author: LiangSong(sl12160010@gmail.com)
|
||||
Date: 2023-03-17 14:27:28
|
||||
LastEditors: LiangSong(sl12160010@gmail.com)
|
||||
LastEditTime: 2023-03-26 23:33:41
|
||||
LastEditTime: 2023-03-27 01:07:25
|
||||
FilePath: /Open-Llama/pretrain_llama.py
|
||||
Description:
|
||||
pretrain GPT
|
||||
|
|
@ -111,7 +111,7 @@ for data_step in range(num_training_steps):
|
|||
optim.zero_grad()
|
||||
if accelerator.sync_gradients:
|
||||
global_step += 1
|
||||
if data_step % log_interval == 0 and accelerator.is_main_process:
|
||||
if data_step % log_interval == 0 and data_step > 0 and accelerator.is_main_process:
|
||||
cost_time = time.time() - start_time
|
||||
start_time = time.time()
|
||||
tokens = train_batch_size * log_interval * max_length
|
||||
|
|
|
|||
Loading…
Reference in New Issue
Block a user